一种个性化智能组卷及线上考试方法

1.本技术涉及教育领域，具体涉及一种个性化智能组卷及线上考试方法。


背景技术：

2.在教育行业，考试是一项重要的日常工作。考试的一项重要准备工作就是出卷，为减轻老师的工作负担，现阶段的大多常规测试，例如单元测试、期中和期末考试等，都是使用智能组卷系统，依据老师设置的组卷条件，从题库中抽取题目生成试卷。例如公开号为cn114429112a的专利文献公开的一种基于vba excel的智能组卷系统及方法，即可有效满足老师的日常考试需求。但由于智能组卷系统的组卷条件通常受老师的主观影响，而老师通常是根据考生的平均考试情况设置组卷条件，每个考生的知识薄弱点又并不相同，因此对于考生个人而言，并不能有效对每个考生的知识点掌握情况进行测试。


技术实现要素：

3.本发明的目的在于，提供一种个性化智能组卷及线上考试方法，可根据考生个人的知识点掌握情况对智能组卷系统生成的试卷进行优化，从而使得每场考试能够更加客观的反应考生的知识点掌握情况，同时能够减少线上考试过程中考生作弊的情况。
4.本发明采取的技术方案是：一种个性化智能组卷及线上考试方法，包括如下步骤：s1：构建考试题库，所述考试题库中的每道考题均有对应的题目序号、题型、分值、所属章节以及考试得分率；s2，依据所述考试得分率划分每道考题的整体易错等级，按照考试得分率递减的规律划分为n级；s3：构建考生信息库，所述考生信息库包括考生身份信息以及考生在日常练习时每个章节中每种题型的个人得分率；s4：依据所述个人得分率划分每个章节中每种题型的个人易错等级，按照个人得分率递减的规律划分为n级；s5：将所述个人易错等级按照对应的所属章节和题型输入至考试题库中，将每个考生的个人易错等级与每道考题进行关联；s6：设置试卷约束条件；s7：依据所述试卷约束条件生成初始试卷；s8：考试前通过信息采集设备获取考生身份信息，获取考生的个人易错等级，抽取初始试卷中每种题型各10%~30%的题目，依据被抽中题目的整体易错等级，从考试题库中选取个人易错等级与被抽中题目的整体易错等级相同，并且题型、分值和所属章节均相同的考题进行替换，生成每个学生的个性化试卷；s9：使用所述个性化试卷进行考试。
5.进一步地，还包括如下步骤：s10：在考试过程中，对考生进行界面切换监测；第一次检测到当前界面不是考试
界面时，发出提示进行警告；第二次检测到当前界面不是考试界面时，从考试题库中选取个人易错等级与当前正在作答题目的整体易错等级相同，并且题型、分值和所属章节均相同的考题进行替换；第三次检测到当前界面不是考试界面时，自动结束考试。
6.进一步地，每道考题的考试得分率a的计算公式为：a =（n
2 / n1）
×
100%；其中，n2为每道考题的考生平均得分，n1为每道考题的分值。
7.进一步地，所述整体易错等级的划分方法为：s201：计算考试得分率区间分段值m1，计算公式为m
1 =100% / n；s202：以所述考试得分率区间分段值m1为递减区间的大小，划分每道考题的整体易错等级；即考试得分率在(100%-m1，100%]区间内，记整体易错等级为1；考试得分率在(100%-2m1，100%-m1] 区间内，记整体易错等级为2；考试得分率在(100%-3m1，100%-2m1] 区间内，记整体易错等级为3；以此类推，考试得分率在(0，100%
ꢀ‑ꢀ
(n-1)
×
m1] 区间内，记整体易错等级为n。
8.进一步地，每个章节中每种题型的个人得分率b的计算公式为：b =（n
4 / n3）
×
100%；其中，n4为每个章节中每种题型的考生总得分，n3为每个章节中每种题型的所有题目的总分值。
9.进一步地，所述个人易错等级的划分方法为：s401：选定个人基础得分率m2’
，个人基础得分率m2’
的值不低于考试得分率区间分段值m1的值；s402：计算个人得分率区间分段值m2，计算公式为m
2 = (100%
ꢀ‑ꢀ
m2’
)/(n-1)；s403：考试得分率在(100%
ꢀ‑ꢀ
m2’
，100%]区间内，记个人易错等级为1，剩余等级以所述个人得分率区间分段值m2为递减区间的大小进行划分；即考试得分率在(100%
ꢀ‑ꢀ
m2’-m2，100%
ꢀ‑ꢀ
m2’
] 区间内，记整体易错等级为2；考试得分率在(100%
ꢀ‑ꢀ
m2’-2m2，100%
ꢀ‑ꢀ
m2’-m2] 区间内，记整体易错等级为3；以此类推，考试得分率在(0，100%
ꢀ‑ꢀ
m2’
‑ꢀ
(n-2)
×
m2] 区间内，记整体易错等级为n。
10.进一步地，所述试卷约束条件包括题型数量分布、题目章节分布、试卷总分和试卷难易度范围；所述试卷难易度x的计算公式为：；其中，i表示整体易错等级为i；i =1，2，
…
，n；n
ai
为整体易错等级为i的所有题目的总分，n为试卷总分。
11.进一步地，在所述步骤s7中，依据所述试卷约束条件生成初始试卷后，可对初始试卷进行手动调整，选定要替换的题目后，使用题型、所属章节、分值和整体易错等级均相同的考题进行替换。
12.进一步地，所述考生身份信息包括考生照片、瞳孔、指纹和学生卡中的一种或多种组合，所述信息采集设备包括摄像头、指纹提取装置和刷卡装置中的一种或多种组合。
13.进一步地，所述步骤s8中完成考题替换后，再分别打乱每种题型中的题目顺序，完成每个学生个性化试卷的生成。
14.本发明的有益效果在于：（1）通过考试得分率和个人得分率分别划分整体易错等级和个人易错等级，整体易错等级用于反映考生的平均得分情况，便于老师生成初始试卷，保证考试题目分布均衡和难度适宜，个人易错等级用于反映考生的知识点掌握情况，作为初始试卷个性化调整的依据；（2）整体易错等级和个人易错等级的划分原则有所区别，通过设置个人基础得分率，使得在相同等级数值的情况下，个人易错等级代表的得分率要低于整体易错等级的得分率，并依据同等等级数值的个人易错等级替换整体易错等级的原则，将初始试卷中的部分考题替换为个人掌握较为薄弱的考题，从而使得每个学生的知识薄弱区能够得到更充分的锻炼，也更加客观的反应考生的知识点掌握变化情况，便于学生查漏补缺和老师因材施教；（3）个性化考卷使得每个学生的考卷均不相同，因此可在一定程度上减少考试过程中窥屏作弊的现象，除了题目内容的不同，在生成个性化试卷时还会打乱题目顺序，进一步防止作弊；在考试过程中还可进行界面切换监测，如考生两次切换界面，在提供第一次容错次数避免误操作影响的前提下，通过更换当前作答题目来为避免考生检索答案进行作弊从而影响考试公正性，同时也在考试过程中作为考生违规操作的惩罚。
附图说明
15.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
16.图1为本发明实施例的方法流程图。
具体实施方式
17.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实施例的限制。
18.如图1所示，一种个性化智能组卷及线上考试方法，包括如下步骤：s1：构建考试题库，所述考试题库中的每道考题均有对应的题目序号、题型、分值、所属章节以及考试得分率；所述考试得分率用于表示该题考生的平均得分率，计算公式如下：a =（n
2 / n1）
×
100%；其中，a为每道考题的考试得分率，n2为每道考题的考生平均得分，n1为每道考题的分值。
19.s2，依据所述考试得分率划分每道考题的整体易错等级，按照考试得分率递减的规律划分为n级。整体易错等级用于反映考生的平均得分情况，便于老师生成初始试卷，保证考试题目分布均衡和难度适宜。
20.所述整体易错等级的划分方法为：s201：计算考试得分率区间分段值m1，计算公式为m
1 =100% / n。
21.s202：以所述考试得分率区间分段值m1为递减区间的大小，划分每道考题的整体易错等级；即考试得分率在(100%-m1，100%]区间内，记整体易错等级为1；考试得分率在(100%-2m1，100%-m1] 区间内，记整体易错等级为2；考试得分率在(100%-3m1，100%-2m1] 区间内，记整体易错等级为3；以此类推，考试得分率在(0，100%
ꢀ‑ꢀ
(n-1)
×
m1] 区间内，记整体易错等级为n。
22.s3：构建考生信息库，所述考生信息库包括考生身份信息以及考生在日常练习时每个章节中每种题型的个人得分率。所述考生信息库用于进行考生身份识别，考生身份信息包括考生照片、瞳孔、指纹、学生卡中的一种或多种组合。依据考试的重要程度以及学校硬件设备条件，选择适宜的考生身份信息类型，通常来说，越重要的考试，会选用越难伪造的考生身份信息类型，或是使用多种考生身份信息进行组合，避免冒名顶替。每个章节中每种题型的个人得分率用于反映每个考生的个人知识点掌握程度，每个章节的个人得分率越高，说明该考生对该章节的知识点掌握的更加牢固。每个章节中每种题型的个人得分率b的计算公式为：b =（n
4 / n3）
×
100%；其中，n4为每个章节中每种题型的考生总得分，n3为每个章节中每种题型的所有题目的总分值。本发明实施例将所有题型的得分情况均用于计算个人得分率b，可全面反应该考生对于该章节知识点在各种题型中的得分情况，降低客观题中“蒙题技巧”产生的影响。
23.s4：依据所述个人得分率划分每个章节中每种题型的个人易错等级，按照个人得分率递减的规律划分为n级。个人易错等级用于反映考生的知识点掌握情况，作为初始试卷个性化调整的依据。
24.所述个人易错等级的划分方法为：s401：选定个人基础得分率m2’
，个人基础得分率m2’
的值不低于考试得分率区间分段值m1的值。
25.s402：计算个人得分率区间分段值m2，计算公式为m
2 = (100%
ꢀ‑ꢀ
m2’
)/(n-1)。
26.s403：考试得分率在(100%
ꢀ‑ꢀ
m2’
，100%]区间内，记个人易错等级为1，剩余等级以所述个人得分率区间分段值m2为递减区间的大小进行划分；即考试得分率在(100%
ꢀ‑ꢀ
m2’-m2，100%
ꢀ‑ꢀ
m2’
] 区间内，记整体易错等级为2；考试得分率在(100%
ꢀ‑ꢀ
m2’-2m2，100%
ꢀ‑ꢀ
m2’-m2] 区间内，记整体易错等级为3；以此类推，考试得分率在(0，100%
ꢀ‑ꢀ
m2’
‑ꢀ
(n-2)
×
m2] 区间内，记整体易错等级为n。
27.s5：将所述个人易错等级按照对应的所属章节和题型输入至考试题库中，将每个考生的个人易错等级与每道考题进行关联。
28.s6：设置试卷约束条件；所述试卷约束条件包括题型数量分布、题目章节分布、试卷总分和试卷难易度范围。
29.所述试卷难易度x的计算公式为：；其中，i表示整体易错等级为i； i =1，2，
…
，n；n
ai
为整体易错等级为i的所有题目的总分，n为试卷总分。试卷难易度用于评价试卷的整体难度，考试时试卷难度应该适中，才
能确保考试结果具有可分析性和参考性，若试卷难易度过低或者过高，将导致考试题库中的考试得分率失真，从而影响下一次考试的组卷。在本发明实施例中，n的取值为5，优选的试卷难易度x的范围为3.5~4.2。
30.s7：依据所述试卷约束条件生成初始试卷。在生成初始试卷后，如有需要，出题老师可对初始试卷进行手动调整，选定要替换的题目后，使用题型、所属章节、分值和整体易错等级均相同的考题进行替换，避免破坏试卷题型数量分布、题目章节分布、试卷总分和试卷难易度。
31.s8：考试前通过信息采集设备获取考生身份信息，依据考生身份信息类型，所述信息采集设备包括摄像头、指纹提取装置和刷卡装置中的一种或多种组合。根据考生身份信息获取考生的个人易错等级，抽取初始试卷中每种题型各10%~30%的题目，依据被抽中题目的整体易错等级，从考试题库中选取个人易错等级与被抽中题目的整体易错等级相同，并且题型、分值和所属章节均相同的考题进行替换，生成每个学生的个性化试卷。
32.在本发明实施例中，为了便于进行考题替换，故将整体易错等级和个人易错等级的设置为相同级数。本领域技术人员在理解本发明实施例具体原理的基础上，可以将整体易错等级和个人易错等级的设置为不同级数，并指定整体易错等级和个人易错等级的替换原则，这也属于本发明实施例技术方案的一部分。
33.由于个人基础得分率m2’
的值不低于考试得分率区间分段值m1的值，因此在相同等级数值的情况下，个人易错等级代表的得分率要低于整体易错等级的得分率。依据同等等级数值的个人易错等级替换整体易错等级的原则，将初始试卷中的部分考题替换为个人掌握较为薄弱的考题，从而使得每个学生的知识薄弱区能够得到更充分的锻炼，也更加客观的反应考生的知识点掌握变化情况，便于学生查漏补缺和老师因材施教。
34.在抽取题目进行替换时，比例不能过高或过低，优选的比例为20%。若抽取的比例过高，由于在相同等级数值的情况下，个人易错等级代表的得分率要低于整体易错等级的得分率，因此会导致替换后的试卷难易度大幅度增加，从而使得考试数据失去参考价值，并影响下一次组卷。若抽取的比例过低，则不能有效对考生的薄弱知识点进行锻炼。
35.s9：使用所述个性化试卷进行考试。
36.在本发明实施例中，n的取值为5，m2’
的取值为40%，因此考试得分率与整体易错等级的对应关系以及个人得分率与个人易错等级的对应关系如表1所示：表1 考试得分率与整体易错等级的对应关系以及个人得分率与个人易错等级的对应关系
通过上述智能组卷方法生成个性化试卷并进行考试可克服现有技术中的智能组卷方法生成的试卷不能客观的反应考生知识点掌握情况的缺陷。步骤s7中依据试卷约束条件生成初始试卷和老师手动替换题目的具体方法，以及步骤s8中选取替换考题的具体方法均属于现有技术。例如，依据试卷约束条件生成初始试卷的具体方法为：由随机函数产生一个大于等于0，小于1的随机数，通过数学变换，转换成题目序号，判断抽中的题目是否满足试卷约束条件以及是否与上一次抽取的题目序号重复，如满足则将该考题放入对应位置；如不满足，则重复上述步骤，重新抽取题目；老师手动替换题目的具体方法为根据老师选定要替换考题对应的题型、分值、所属章节以及整体易错等级，筛选出题型、所属章节、分值和整体易错等级均相同的考题，通过老师手动选取或系统随机挑选题目的方式进行替换；选取替换考题的具体方法与老师手动替换题目的方法基本相同。此外，本领域技术人员还可采用其他公知的方法完成上述步骤，实现对应的技术效果，这些内容均属于本领域技术人员的公知常识，在此不再详细进行赘述。
37.同时，由于线上考试多使用电脑进行考试，考生可以通过切换界面检索答案、窥屏等方式进行作弊。而个性化考卷使得每个学生的考卷均不相同，因此可在一定程度上减少考试过程中窥屏作弊的现象。除了题目内容的不同，在生成个性化试卷，即步骤s8中完成考题替换时，还可以打乱每类题型中的题目顺序，进一步防止作弊。
38.对于切换界面检索答案的作弊方式，为保障线上考试的公平性，本发明实施例还包括如下步骤：s10：在考试过程中，对考生进行界面切换监测；第一次检测到当前界面不是考试界面时，在电脑界面上发出提示进行警告；第二次检测到当前界面不是考试界面时，从考试题库中选取个人易错等级与当前正在作答题目的整体易错等级相同，并且题型、分值和所属章节均相同的考题进行替换；第三次检测到当前界面不是考试界面时，自动结束考试。
39.本发明实施例在考试过程中进行界面切换监测，如考生两次切换界面，在提供第一次容错次数避免考生误操作影响的前提下，通过更换当前作答题目来为避免考生检索答案进行作弊从而影响考试公正性，而因为替换题目导致之前答题的时间被浪费，也可在考试过程中作为考生违规操作的惩罚。
40.考试结束后，本次考试的得分情况将记入考试得分率中，从而对考题的考试得分率和整体易错等级进行更新，为下次组卷提供更加科学的数据；同理，考生在日常练习过程中产生的数据，也会计入个人得分率中，对个人得分率和个人易错等级进行更新，使得在生成个性化试卷时，能够有效适应考生知识点掌握程度的变化情况。
41.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种个性化智能组卷及线上考试方法，其特征在于，包括如下步骤：s1：构建考试题库，所述考试题库中的每道考题均有对应的题目序号、题型、分值、所属章节以及考试得分率；s2，依据所述考试得分率划分每道考题的整体易错等级，按照考试得分率递减的规律划分为n级；s3：构建考生信息库，所述考生信息库包括考生身份信息以及考生在日常练习时每个章节中每种题型的个人得分率；s4：依据所述个人得分率划分每个章节中每种题型的个人易错等级，按照个人得分率递减的规律划分为n级；s5：将所述个人易错等级按照对应的所属章节和题型输入至考试题库中，将每个考生的个人易错等级与每道考题进行关联；s6：设置试卷约束条件；s7：依据所述试卷约束条件生成初始试卷；s8：考试前通过信息采集设备获取考生身份信息，获取考生的个人易错等级，抽取初始试卷中每种题型各10%~30%的题目，依据被抽中题目的整体易错等级，从考试题库中选取个人易错等级与被抽中题目的整体易错等级相同，并且题型、分值和所属章节均相同的考题进行替换，生成每个学生的个性化试卷；s9：使用所述个性化试卷进行考试。2.根据权利要求1所述的一种个性化智能组卷及线上考试方法，其特征在于，还包括如下步骤：s10：在考试过程中，对考生进行界面切换监测；第一次检测到当前界面不是考试界面时，发出提示进行警告；第二次检测到当前界面不是考试界面时，从考试题库中选取个人易错等级与当前正在作答题目的整体易错等级相同，并且题型、分值和所属章节均相同的考题进行替换；第三次检测到当前界面不是考试界面时，自动结束考试。3.根据权利要求1或2所述的一种个性化智能组卷及线上考试方法，其特征在于，每道考题的考试得分率a的计算公式为：a =（n
2 / n1）
×
100%；其中，n2为每道考题的考生平均得分，n1为每道考题的分值。4.根据权利要求3所述的一种个性化智能组卷及线上考试方法，其特征在于，所述整体易错等级的划分方法为：s201：计算考试得分率区间分段值m1，计算公式为m
1 =100% / n；s202：以所述考试得分率区间分段值m1为递减区间的大小，划分每道考题的整体易错等级；即考试得分率在(100%-m1，100%]区间内，记整体易错等级为1；考试得分率在(100%-2m1，100%-m1] 区间内，记整体易错等级为2；考试得分率在(100%-3m1，100%-2m1] 区间内，记整体易错等级为3；以此类推，考试得分率在(0，100%
ꢀ‑ꢀ
(n-1)
×
m1] 区间内，记整体易错等级为n。5.根据权利要求4所述的一种个性化智能组卷及线上考试方法，其特征在于，每个章节中每种题型的个人得分率b的计算公式为：b =（n
4 / n3）
×
100%；
其中，n4为每个章节中每种题型的考生总得分，n3为每个章节中每种题型的所有题目的总分值。6.根据权利要求5所述的一种个性化智能组卷及线上考试方法，其特征在于，所述个人易错等级的划分方法为：s401：选定个人基础得分率m2’
，个人基础得分率m2’
的值不低于考试得分率区间分段值m1的值；s402：计算个人得分率区间分段值m2，计算公式为m
2 = (100%
ꢀ‑ꢀ
m2’
)/(n-1)；s403：考试得分率在(100%
ꢀ‑ꢀ
m2’
，100%]区间内，记个人易错等级为1，剩余等级以所述个人得分率区间分段值m2为递减区间的大小进行划分；即考试得分率在(100%
ꢀ‑ꢀ
m2’-m2，100%
ꢀ‑ꢀ
m2’
] 区间内，记整体易错等级为2；考试得分率在(100%
ꢀ‑ꢀ
m2’-2m2，100%
ꢀ‑ꢀ
m2’-m2] 区间内，记整体易错等级为3；以此类推，考试得分率在(0，100%
ꢀ‑ꢀ
m2’
‑ꢀ
(n-2)
×
m2] 区间内，记整体易错等级为n。7.根据权利要求6所述一种个性化智能组卷及线上考试方法，其特征在于，所述试卷约束条件包括题型数量分布、题目章节分布、试卷总分和试卷难易度范围；所述试卷难易度x的计算公式为：；其中，i表示整体易错等级为i；i =1，2，
…
，n；n
ai
为整体易错等级为i的所有题目的总分；n为试卷总分。8.根据权利要求7所述的一种个性化智能组卷及线上考试方法，其特征在于，在所述步骤s7中，依据所述试卷约束条件生成初始试卷后，可对初始试卷进行手动调整，选定要替换的题目后，使用题型、所属章节、分值和整体易错等级均相同的考题进行替换。9.根据权利要求8所述的一种个性化智能组卷及线上考试方法，其特征在于，所述考生身份信息包括考生照片、瞳孔、指纹和学生卡中的一种或多种组合，所述信息采集设备包括摄像头、指纹提取装置和刷卡装置中的一种或多种组合。10.根据权利要求9所述的一种个性化智能组卷及线上考试方法，其特征在于，所述步骤s8中完成考题替换后，再分别打乱每种题型中的题目顺序，完成每个学生个性化试卷的生成。

技术总结
本申请涉及一种个性化智能组卷及线上考试方法，包括如下步骤：构建考试题库；依据每道考题的考试得分率划分整体易错等级；构建考生信息库；依据每个考生的个人得分率划分个人易错等级：将个人易错等级与每道考题进行关联；设置试卷约束条件并生成初始试卷；抽取初始试卷中的部分题目，从考试题库中选取个人易错等级与被抽中题目的整体易错等级相同，并且题型、分值和所属章节均相同的考题进行替换，生成每个学生的个性化试卷；使用所述个性化试卷进行考试。本发明可根据考生个人的知识点掌握情况对智能组卷系统生成的试卷进行优化，从而使得每场考试能够更加客观的反应考生的知识点掌握情况，同时能够减少线上考试过程中考生作弊的情况。作弊的情况。作弊的情况。


技术研发人员：汪万根 李子豪 甘家其 王渊 李子婷
受保护的技术使用者：江西师范大学
技术研发日：2023.07.03
技术公布日：2023/8/5